高德地图高德-个性化搜索算法工程师/专家-信息研发团队
任职要求
1. 计算机及相关专业硕士以上学历， 有大规模推荐/搜索/广告/大模型算法开发优化的相关经验，熟悉主流的召回，粗排，精排，混排模型，并至少在其中一个方向上有深入优化经验，3年及以上的工作经验。 2. 有扎实的工程能力，熟悉常用的数据结构和算法，熟练掌握java，C++, Python或至少一种常见编程语言，对算法有较强的实现能力。 3. 对解决挑战性问题充满激情，具备优秀的学习能力和良好的团队合作精神，坦诚直接。 4. 有较强的问题抽象、算法设计能力，有时空模型建模经验者优先。 5. 在KDD、NIPS、ICML、RecSys等机器学习领域会议有发表过优秀工作者优先。
工作职责
1.参与高德个性化搜索场景优化，负责召回，排序模型，提升搜索用户体验和交易GMV 2. 负责多入口多场景下统一召回、粗排、精排算法优化；在多场景建模、用户行为序列建模、时空场景推荐等技术点上，应用业界领先的技术优化，取得指标收益。 3. 利用高德的庞大数据量，结合LBS时空数据的特点，通过海量数据/大模型分析挖掘用户潜在需求，指导推荐算法和策略的设计，提升推荐效果。
团队介绍：字节跳动搜索团队主要负责抖音、今日头条、西瓜视频等产品的搜索算法创新和架构研发工作。我们使用最前沿的机器学习技术进行端到端建模并不断创新突破，同时专注于分布式系统、机器学习系统的构建和性能优化，从内存、Disk等优化到索引压缩、召回、排序等算法的探索，充分给同学们提供成长自我的机会。主要工作方向包括：1）探索最前沿的NLP技术：从基础的分词、NER，到应用上的Query分析、基础相关性等，全链路应用深度学习模型，每个细节都充满挑战；2）探索跨模态匹配技术：在搜索中应用CV+NLP深度学习技术，让视频搜索拥有更强大的检索能力；3）探索大规模流式机器学习技术：应用大规模机器学习，解决搜索中的推荐问题，让搜索更加个性化更加懂你；4）探索千亿级数据规模的架构：从大规模离线计算，分布式系统的性能、调度优化，到构建高可用、高吞吐和低延迟的在线服务，方方面面都进行深入研究和创新。 1、参与搜索引擎研发，探索搜索全链路（分析、召回、粗排、精排、混排）的个性化行为建模，包括CTR、CVR预估、向量召回、价值混排、RAG、NLP、LLM、多模态、机器学习、深度学习等，推动搜索算法的落地与提升； 2、参与搜索算法的优化与迭代，提升转化效率、用户体验和供给生态； 3、深入参与搜索产品的需求设计，负责算法和工程的高质量交付，持续优化效果提升产品体验；支持番茄小说、红果短剧、汽水音乐等搜索业务全链路的策略算法研发，从搜索角度提升各业务信息分发效率； 4、挖掘数据，构建Query理解、召回、排序等模型，提升搜索算法能力； 5、学习前沿技术，探索大模型等创新技术在AI搜索场景的落地。
1、负责 Memory 算法工作，推动最前沿技术的探索和应用； 2、提升自然语言理解的能力，比如意图识别，NL2SQL，向量召回，结构化/非结构化，短文本/长文本的表征学习等； 3、提升排序模型效果，挖掘特征，升级模型结构，优化信息查找效率； 4、结合最前沿的LLM技术，对用户行为进行总结、理解、画像等探索。
AE 推荐算法团队负责AliExpress所有推荐类相关产品的算法研发，包括商品信息流、图文、短视频等众多场景的推荐，致力于用AI先进技术对商品&内容进行挖掘和理解，提升流量分发效率和用户体验，服务于全球243个国家数十亿消费者: 1. 负责跨境电商场景中的用户理解，利用超大规模深度学习对用户长短期兴趣进行建模与实时意图预测 2. 负责推荐商品召回，包括i2i召回、深度个性化召回、多兴趣表达与匹配等 3. 负责优化推荐排序大模型，利用大规模深度学习技术对商品进行表征&个性化排序 4. 负责推荐流量机制与策略研发，包括新品、新用户的投放策略与调控机制
1.参与高德个性化搜索场景优化，负责召回，排序模型，提升搜索用户体验和交易GMV 2. 负责多入口多场景下统一召回、粗排、精排算法优化；在多场景建模、用户行为序列建模、时空场景推荐等技术点上，应用业界领先的技术优化，取得指标收益。 3. 利用高德的庞大数据量，结合LBS时空数据的特点，通过海量数据/大模型分析挖掘用户潜在需求，指导推荐算法和策略的设计，提升推荐效果。